一、图像原图

给定ground truth和实际拍摄图像，检测饮料瓶的数量，即给定模板图像与实际获取图像之间的相似度。

1. 图像hash值

2. 图像模板匹配

3. 图像ssim相似度比较

实际的图像如下所示:

一、图像hash值

1. hash值平均哈希，差异值哈希

均值哈希利用的是图片的低频信息对两张图片进行比较，低频信息如图像亮度变化较小的区域，高频信息如亮度变化剧烈的区域边缘等。

A： resize为（8， 8），灰度级的转化

B：mean和diff的计算，去0和1的比较值

C: 组合hash值，即64位的整数

D：比较有多少不一样的，即汉明距离

2. 均值aver_hash代码如下

#均值哈希算法def aver_hash(img):img = cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)sum = 0hash_str = ''#遍历累加求像素和for i in range(gray.shape[0]):for j in range(gray.shape[1]):sum = sum + gray[i,j]avg = sum / 64#灰度大于平均值为1相反为0生成图片的hash值for i in range(gray.shape[0]):for j in range(gray.shape[1]):if gray[i,j] >avg:hash_str = hash_str +'1'else:hash_str = hash_str +'0'return hash_str

二、图像模板匹配

1. 模板匹配方法

进行匹配窗口的滑动，寻找各个位置与模板的相似度。

2.匹配代码如下

#模板匹配def math_tmplate(gt_img, test_img):gt_gray = cv2.cvtColor(gt_img, cv2.COLOR_BGR2GRAY)test_gray = cv2.cvtColor(test_img, cv2.COLOR_BGR2GRAY)res = cv2.matchTemplate(test_gray, gt_gray, cv2.TM_SQDIFF_NORMED)#TM_CCOEFF_NORMEDreturn res[0][0]

三、图像ssim值

1. ssim的定义

从亮度，对比度和结构三个方面进行度量，高斯加权的均值、方差、协方差，计算对应block快的结构相似度。

2. 结构相似度code

#ssimdef math_sssim(gt_img, test_img):gt_gray = cv2.cvtColor(gt_img, cv2.COLOR_BGR2GRAY)test_gray = cv2.cvtColor(test_img, cv2.COLOR_BGR2GRAY)(score, diff) = compare_ssim(test_gray, gt_gray, full=True)return score